[控场AI]
· 8 分钟阅读· 4,036 字

不写代码,靠“砍需求”和挑刺,他用AI做出上架App Store的App

不写代码,靠“砍需求”和挑刺,他用AI做出上架App Store的App

不懂前后端的游戏策划靠AI做减法与挑剔审美,独立做出上架App Store的灵感卡片应用。

文章讲述了B站UP主“影下独作”如何以游戏策划背景、几乎不写正经代码,借助AI从零做出独立App“回想策”并上架App Store的全过程。核心方法有三:先用GrillMe工作流让AI反向追问需求,把模糊想法逼到具体;开发中坚持做减法,否掉知识图谱、待办提醒等花哨功能,只保留记录与回顾;在视觉与手感上像挑剔甲方一样截图挑刺、反复迭代。开发环境配置、技术栈从Flutter切换到React Native、官网部署、上架材料与宣传图均委托AI完成,人只负责拍板与验收。作者由此感慨:AI时代技术门槛降低,真正值钱的是想解决什么真问题以及你对好东西有多挑剔。

一个在游戏公司做策划、只会用C#写游戏脚本的人,对网页和手机开发一窍不通,却和AI一起把脑子里的一个App做上了App Store——连独立官网、上架材料、宣传图也一并搞定。整个过程里,他几乎没写过几行正经代码。

这不是“AI一键生成”的爽文。B站UP主“影下独作”把全过程拆开给你看:一个不懂前端后端的人,到底是怎么靠做减法和像甲方一样挑刺,把AI真正用成靠谱队友的。

起点:一个被备忘录耽误的念头

他有个习惯——走路、洗澡或半夜关灯躺着时,脑子里会突然冒出一两句很短的想法。为了抓住这些一闪而过的念头,他练出了五秒内解锁、打开备忘录、新建一行的肌肉记忆。

记下来这一步勉强解决了,真正要命的是后面:一年攒下几百条,全挤在一大串列表里,像进了冷库,之后再也没翻开过。只记录、不回顾,那些本来能长成作品的念头,其实跟没记差不多。

直到他刷到有人把老照片做成卡片、每天翻几张,突然反应过来:传统备忘录太像一本厚重的笔记本,点进去全是密密麻麻的字,看着就有压力。能不能把它改成一叠便利贴?念头冒出来直接点开,或从桌面小组件进去留一句话、一段录音、一张图。先建几个收纳箱——选题库、产品想法、生活感动,像提前给大脑装上筛选器和透镜;有空了就像翻老照片一样滑着卡片回顾,隔一两个月再刷到还心动的,打个标记攒“共鸣值”。时间一长,共鸣值最高的自然就是最值得做成作品的方向。这就是“回想策”的雏形。

我就突然反应过来

先别写代码:让AI反过来“拷问”你

有了念头,他没有急着让AI写代码,而是先用了一个叫 GrillMe 的AI Skills工作流,把想法丢给AI,让它反过来追问自己:这东西到底给谁用?记录和回看最卡的到底是哪一步?被一路追着问,原本含糊的想法才慢慢变得具体——每条想法表现为一张独立卡片,左右滑切下一条,上下滑分别管收藏和归档。

他的建议很直接:如果你也想用AI做点东西,千万别让它一上来就闷头写代码,先让它把你问到哑口无言再说。

GrillMe 是一种提示词工作流(Prompt Workflow)的俗称,其核心思路是让 AI 扮演“严苛的产品评审”或“苏格拉底式提问者”,通过连续追问来暴露用户需求中的模糊点、逻辑漏洞和未经验证的假设。与常见的“让 AI 直接给方案”不同,GrillMe 类工作流通常要求 AI 在得到明确回答前不提供解决方案,只负责提问。这种做法借鉴了软件工程中的需求澄清(Requirement Elicitation)实践,但把执行者从人类分析师换成了大模型。使用时可预设追问维度,如目标用户、使用场景、痛点优先级、成功标准等,迫使想法从“感觉不错”落地为可执行的定义。

推翻重来:从微信小程序到独立双端App

一开始为了省事,他本来想做微信小程序,甚至已经让AI写出来测了一版。但用着用着觉得不对味:小程序藏在微信里,每次都要点开微信再下拉去找,等加载完灵感早凉了半截,而且账号还得跟微信死绑。他想要的是拿起手机、点一下桌面小组件就能直接写。

于是哪怕小程序当时已经跑通,他还是决定推倒重来,改做独立的iOS和安卓App。

小程序它藏在微信里

这恰好点出开发的另一个维度:一些一早确定的想法,即使你和AI都觉得没问题,也可能在开发过程中被重新评估。这是很难在做之前就靠暗想确定好的——因为当时你可能都没意识到存在这个问题。

微信小程序是一种运行在微信生态内的轻应用,用户无需下载安装,通过扫码或搜索即可使用,开发上采用 WXML/WXSS/JS 技术栈,并受微信平台审核与运营规范约束。其优势在于获客门槛低、分享传播方便,但劣势也明显:入口层级深(需先打开微信再找到小程序)、启动依赖微信环境、账号体系与微信强绑定,且无法提供桌面小组件等系统级交互。对于需要“拿起手机立刻记录”的工具类产品,小程序的入口摩擦和平台限制往往成为体验瓶颈,这也是许多开发者最终选择开发独立原生或跨平台 App 的原因。

核心洞察:AI天生爱做加法,人要做减法

做着做着他发现一个有意思的现象:AI天生喜欢做加法,而人最核心的工作其实是做减法。

AI主动提了一堆听起来特别高级的建议——要不要加个知识图谱?要不要做想法自动关联和待办提醒?他全否了,只强调一件事:这个App只干好“记零碎想法”和“回头看看”这两件事,别整花里胡哨的。

道理很朴素:一旦把灵感工具做成待办软件,每次打开满屏都是“这还没做完”“那也该打卡”的压力,谁还愿意在睡前随手记一句碎碎念?

方向定下来之后,剩下的开发全靠他提要求、做决定。他连开发环境都不会配,听AI的指示下载了Android Studio,结果一运行就弹了一屏幕报错——没事,报错截图直接甩给AI,让它一步步帮配环境、搭工程、写自动测试。做真机测试时,他只需要插上USB线,按AI教的步骤打开开发者模式,AI就能自己模拟手指点屏幕、跑完一轮功能验收。后来为了更贴近iOS原生的导航和输入手感,他又让AI对比方案,把技术栈从Flutter切换到了React Native——这全程他一次搜索引擎都没打开过,技术方案全委托AI去搜、去比较。

Flutter 与 React Native 是当前主流的跨平台移动应用开发框架。Flutter 由 Google 推出,使用 Dart 语言,通过自绘引擎(Skia)渲染 UI,界面一致性强、性能接近原生,但包体积较大,且部分系统级交互需要平台通道桥接。React Native 由 Meta 维护,使用 JavaScript/TypeScript 和 React 范式,通过原生组件渲染,社区生态庞大,与 iOS/Android 原生导航和输入控件的贴合度通常更好,但复杂动画和重度计算场景可能遇到性能瓶颈。两者都能实现“一套代码双端运行”,选择时需权衡 UI 一致性、原生手感、生态成熟度和团队技术背景。

像甲方一样挑刺:视觉与手感是AI的盲区

他每天干得最多的事,其实是当那个最挑剔的甲方,专盯视觉和手感。

比如收纳箱页面,AI第一版做成了一排排干巴巴的扁平列表,完全不想点进去。他直接截图发过去:不行,我要的是让人能联想到真实收纳盒的感觉,留点软阴影、把图标弱化、用一小段色调区分不同的箱子,先出几版方案给我挑。方向定下后AI再去改凹口、调阴影,他拿到新包上手划一划,继续挑刺:字太挤了、内行标题被截断了、手指拖起来不够跟手。

用一小段色调来区分不同的箱子

修bug也是同一个路子。有一次他发现,从桌面小组件点进去回顾,和直接打开App刷出来的内容居然不一样。他把两边的操作现象扔给AI,顺带说了句自己的猜测,AI自己一查,发现两个入口调用了不同的数据源,紧接着就改代码、补上回归测试。

他写不出那些动画和底层逻辑,但心里特别清楚:用户打开它第一眼该看见什么,手指滑过去该是什么感觉。代码怎么写、接口怎么调,AI几秒钟就能铺好底;但什么才算好看、什么才算顺手、哪个地方多点一步就会让人烦——这些痛点,机器感受不到。

不止代码:官网、上架、宣发也全是磨出来的

官网部署时AI说要用Caddy,他直接问“Caddy是什么玩意儿”。等AI解释明白,他只负责拍板网页上放什么,写网页、传文件、配HTTPS全让AI自己跑完,最后扫码授权、点开链接验收。

上架App Store也挺折腾:打包、截图、写描述都有AI参与。结果第一次送审直接被打回——因为介绍文案里不小心提了一嘴安卓,赶紧让AI排查改掉、重新提交,这才过审。

不小心提了一嘴安卓

甚至他在小红书发的那组9页宣传图,也是对话里“逼”出来的。AI第一版写得像干巴巴的说明书,他让全部推翻,改讲一个“白天想看电影、晚上却忘了片名”的具体小故事,再加笔记本和便利贴的对比,最后让AI跑脚本出图。

Caddy 是一个用 Go 语言编写的开源 Web 服务器和反向代理,最大特点是默认自动为域名申请和续期 TLS 证书(基于 Let's Encrypt 或 ZeroSSL),实现 HTTPS 零配置。相比 Nginx 需要手动配置证书和重载,Caddy 的 Caddyfile 语法极简,适合个人项目快速部署静态网站或反向代理后端服务。对于不熟悉服务器运维的独立开发者,Caddy 能把“配 HTTPS”这一传统上容易卡住的环节压缩成几行配置,降低上线门槛。

为什么越做越上瘾

看着“回想策”安安静静躺在App Store里,他明白了为什么这几个月每天下班继续捣鼓它,非但不累反而越做越上瘾。

在公司做大项目久了,把一件事亲手做完的感觉其实很少见——你永远在维护一个没有尽头的系统。但和AI一起磨出这个App的这几周,看着一个差点吃灰的念头真真切切变成每天都在用的成品,那种想把一件事彻底做完的踏实感,特别上头。这两个多月里,他用自己做的回想策,在选题库和产品想法两个收纳箱里随手记下了150多条念头,视频里的很多思考,就是平时滑着回顾、看着共鸣值一点点筛出来的。

在AI时代,当怎么写代码、怎么做图的门槛越来越低,你到底想解决什么真问题、你对好东西到底有多挑剔,可能才是最值钱的东西。如果你脑子里也攒了几个一直没动手的小念头,别被“我不会技术”卡住——先拿张便利贴把它记下来,再去跟AI聊。把苦力活交给机器,把感受、挑剔和创造留给我们自己。

分享:

相关推荐